sutong
750f981c7e
资源中心——从多渠道获取资源链接，转存到夸克网盘并整理归档。 - sources/tencent-doc: 腾讯文档读取 - sources/search: 网盘搜索 - storage/quark: 夸克网盘操作 - ref/: 来源 skill 参考归档 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
90 lines
3.3 KiB
Markdown
90 lines
3.3 KiB
Markdown
# OCR 图片识别参考文档
|
||
|
||
## 工具总览
|
||
|
||
| 工具 | 功能 | 输入 | 输出 |
|
||
|------|------|------|------|
|
||
| `ocr.extract` | 识别单张图片文字 | 单张图片 | 文字列表，可选带坐标 |
|
||
| `ocr.toword` | 图片转在线文档 | 1-9 张图片 | `file_id` + `file_url` |
|
||
| `ocr.toexcel` | 图片表格转在线表格 | 1-9 张图片 | `file_id` + `file_url` |
|
||
|
||
**限制**：单张 ≤10MB，总 ≤50MB，格式 PNG/JPG/JPEG/BMP/WEBP
|
||
|
||
## 图片来源路由（重要）
|
||
|
||
```
|
||
├─ 有公网 URL → 直接调 ocr.* 工具，填 image_url（首选）
|
||
├─ 本地文件 → node ocr.js（禁止手动传 base64）
|
||
└─ data URI → 先存本地文件，再走 ocr.js
|
||
```
|
||
|
||
**本地图片禁止将 base64 作为工具参数传入**，LLM 无法处理超长字符串。使用 `ocr.js` 脚本（自动编码+调用）：
|
||
|
||
```bash
|
||
node ocr.js extract /path/to/image.png [--accurate|--efficient] [--positions]
|
||
node ocr.js toword /path/to/p1.png /path/to/p2.png [--title "标题"]
|
||
node ocr.js toexcel /path/to/table.png [--title "标题"]
|
||
```
|
||
|
||
## 图片输入字段规则
|
||
|
||
`image_url` 与 `image_base64` **严格二选一**，不能同时填也不能都不填：
|
||
- `image_url`：公网 http(s) URL，必须后端可直接下载（不支持内网/需鉴权/过期签名地址）
|
||
- `image_base64`：纯 base64 字符串，**不接受** URL 或 `data:image/...;base64,` 前缀
|
||
|
||
---
|
||
|
||
## ocr.extract
|
||
|
||
| 参数 | 类型 | 必填 | 说明 |
|
||
|------|------|------|------|
|
||
| `image_url` | string | 二选一（首选） | 公网图片 URL |
|
||
| `image_base64` | string | 二选一 | 纯 base64 字符串 |
|
||
| `extract_type` | string | 否 | `basic`（默认，平衡）/ `accurate`（高精度，适合小字模糊）/ `efficient`（快速） |
|
||
| `with_positions` | bool | 否 | 是否返回文字坐标，默认 false |
|
||
|
||
**返回**：`texts`(string[]) 文字列表 + `text_detections`(仅 with_positions=true 时) 带坐标结果
|
||
|
||
```json
|
||
{"image_url": "https://example.com/invoice.png", "extract_type": "accurate", "with_positions": true}
|
||
```
|
||
|
||
## ocr.toword / ocr.toexcel
|
||
|
||
两个工具参数结构相同，区别仅在输出类型（文档 vs 表格）。单张图片时启用矫正增强，效果优于批量。
|
||
|
||
| 参数 | 类型 | 必填 | 说明 |
|
||
|------|------|------|------|
|
||
| `images` | array | 是 | 1-9 张，每项含 `image_url` 或 `image_base64` 二选一 |
|
||
| `title` | string | 否 | 标题，默认"OCR识别文档"/"OCR识别表格" |
|
||
|
||
**返回**：`file_id` + `file_url`
|
||
|
||
```json
|
||
{"images": [{"image_url": "https://example.com/page-1.png"}], "title": "会议纪要"}
|
||
```
|
||
|
||
---
|
||
|
||
## 典型工作流
|
||
|
||
### 提取图片文字
|
||
1. URL → `ocr.extract`；本地 → `node ocr.js extract <path>`
|
||
2. 从 `texts` 拼接结果反馈用户
|
||
|
||
### 图片转文档/表格
|
||
1. URL → `ocr.toword`/`ocr.toexcel`；本地 → `node ocr.js toword|toexcel <paths>`
|
||
2. 返回 `file_url` 给用户
|
||
|
||
### OCR 回填到现有文档
|
||
1. 先用上述方式拿到 `texts`
|
||
2. 按目标类型写回：smartcanvas → `smartcanvas.edit`(INSERT_AFTER) / Word → `insert_markdown` / sheet → `smartsheet.add_records`
|
||
|
||
---
|
||
|
||
## 注意事项
|
||
|
||
- 同步接口，图片多或精度高时较慢，耐心等待不要重复触发
|
||
- 仅 1 张图且对质量敏感时，不要凑数传多张（单张有矫正增强）
|
||
- URL 下载失败时改用 base64 重试
|